RNN，LSTM，GRU极简笔记

RNN与卷积最大的不同是，他的cell输出会成为下一个cell的输入，这代表了RNN是有一定**记忆能力**的，因为我的输出成为了我的输入，所以训练参数是有记忆性的，如果卷积神经网络是人类视觉的模拟，那循环神经网络是人类记忆信号的模拟，它通过看从时序序列上的相关性产生了一定程度的记忆，这种记忆包含语义，语法等信息。

它的应用
1.预测一个时序信号的未来数据，比如房价，股价，公司效益的预测。 2.自然语言处理 人在看一篇文章的时候，要是想产生理解，往往需要看完全部的段落或句子，而不是只看完某个字，然后才可以从全局上理解文章的内容，而让我们产生理解的这种东西，就是语言的特征：语义，他是一种抽象的特征，它不像CV的图像特征那样直观，但他是一种深刻且更具智慧性的特征。
它的类型
1对多例子：文章，摘要的生成：我给他前一个字或是词，他就会生成后面的一大段文字
多对一例子：股票房价预测，自动驾驶轨迹预测

RNN，LSTM，GRU极简笔记最先出现在Python成神之路。